Computation and Language,Machine Learning,محاسبه و زبان , یادگیری ماشین ,
توضیحات
Submitted 17 September, 2024; v1 submitted 15 September, 2024; originally announced September 2024. , Comments: Added references and rephrased some sentences
توضیحات به فارسی
ارسال شده 17 سپتامبر 2024 ؛V1 ارسال شده در 15 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: منابع اضافه شده و برخی از جملات
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
In this paper, we present a system that generates synthetic free-text medical records, such as discharge summaries, admission notes and doctor correspondences, using Masked Language Modeling (MLM). Our system is designed to preserve the critical information of the records while introducing significant diversity and minimizing re-identification risk. The system incorporates a de-identification component that uses Philter to mask Protected Health Information (PHI), followed by a Medical Entity Recognition (NER) model to retain key medical information. We explore various masking ratios and mask-filling techniques to balance the trade-off between diversity and fidelity in the synthetic outputs without affecting overall readability. Our results demonstrate that the system can produce high-quality synthetic data with significant diversity while achieving a HIPAA-compliant PHI recall rate of 0.96 and a low re-identification risk of 0.035. Furthermore, downstream evaluations using a NER task reveal that the synthetic data can be effectively used to train models with performance comparable to those trained on real data. The flexibility of the system allows it to be adapted for specific use cases, making it a valuable tool for privacy-preserving data generation in medical research and healthcare applications.
چکیده به فارسی (ترجمه ماشینی)
در این مقاله ، ما سیستمی را ارائه می دهیم که سوابق پزشکی متنی مصنوعی مانند خلاصه تخلیه ، یادداشت های پذیرش و مکاتبات پزشک را با استفاده از مدل سازی زبان ماسک (MLM) تولید می کند.سیستم ما برای حفظ اطلاعات مهم سوابق ضمن معرفی تنوع قابل توجهی و به حداقل رساندن خطر شناسایی مجدد طراحی شده است.این سیستم شامل یک مؤلفه تشخیصی است که از Philter برای ماسک اطلاعات بهداشتی محافظت شده (PHI) استفاده می کند ، و پس از آن یک مدل شناخت نهاد پزشکی (NER) برای حفظ اطلاعات کلیدی پزشکی.ما نسبت های مختلف ماسک و تکنیک های پر کردن ماسک را بررسی می کنیم تا تجارت بین تنوع و وفاداری در خروجی های مصنوعی را تعادل برقرار کنیم بدون اینکه بر خوانایی کلی تأثیر بگذارد.نتایج ما نشان می دهد که این سیستم می تواند داده های مصنوعی با کیفیت بالا و با تنوع قابل توجهی در حالی که دستیابی به میزان فراخوان PHI سازگار با HIPAA از 0.96 و خطر شناسایی مجدد کم از 0.035 تولید می کند.علاوه بر این ، ارزیابی های پایین دست با استفاده از یک کار NER نشان می دهد که از داده های مصنوعی می توان به طور موثری برای آموزش مدل ها با عملکرد قابل مقایسه با آنهایی که در داده های واقعی آموزش دیده اند ، استفاده شود.انعطاف پذیری سیستم اجازه می دهد تا برای موارد استفاده خاص سازگار شود ، و آن را به ابزاری ارزشمند برای حفظ حریم خصوصی در تولید داده ها در تحقیقات پزشکی و برنامه های مراقبت های بهداشتی تبدیل می کند.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
